تصنيف شرائح العملاء (Retail Customer Segmentation) باستخدام Machine Learning

مشروع Supervised Learning لتصنيف 50,000 عميل في متجر تجزئة إلى 4 شرائح: Occasional وHigh_Value وLoyal وRegular، بناءً على بيانات زي الدخل السنوي ومتوسط الإنفاق الشهري وتكرار الشراء ومعدل استخدام الخصومات ومعدل المرتجعات ووقت التصفح.

الخطوات:

تنظيف البيانات ومعالجة القيم المفقودة بالـ median ترميز المتغيرات النصية (Encoding) تحليل استكشافي (EDA): توزيع الشرائح، الـ outliers، الـ correlation تقسيم البيانات 80/20 وتطبيق StandardScaler مقارنة 9 موديلات: Logistic Regression, Decision Tree, Naive Bayes, SVC, KNN, Random Forest, AdaBoost, Gradient Boosting, XGBoost

النتيجة: أفضل موديل كان Gradient Boosting بدقة (accuracy) حوالي 75.5% وF1-score حوالي 0.75. أضعف شريحة في التصنيف كانت Regular.

الأدوات: Python, Pandas, Scikit-learn, XGBoost, Seaborn, Matplotlib